| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 数据挖掘在中医领域的应用 | 第12-13页 |
| 1.3 多标签技术在帕金森中医诊断的应用 | 第13-15页 |
| 1.3.1 中医对帕金森的研究现状 | 第13-14页 |
| 1.3.2 中医量表的研究现状 | 第14页 |
| 1.3.3 多标签技术应用于帕金森中医诊断的思路 | 第14-15页 |
| 1.4 本文工作及组织结构 | 第15-17页 |
| 第二章 多标签分类算法相关介绍 | 第17-31页 |
| 2.1 引言 | 第17-19页 |
| 2.2 相关多标签算法介绍 | 第19-28页 |
| 2.2.1 Multi-Label k-Nearest Neighbor | 第19-22页 |
| 2.2.2 Calibrated Label Ranking | 第22-24页 |
| 2.2.3 Random k-Labelsets | 第24-26页 |
| 2.2.4 Classifier Chains | 第26-28页 |
| 2.3 多标签算法的评价标准 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于信息熵的多标签算法 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 相关算法 | 第31-35页 |
| 3.2.1 Probailistic Chain Classifier | 第32页 |
| 3.2.2 Bayesian Chain Classifiers | 第32-33页 |
| 3.2.3 Hybrid Binary Chain Classifier | 第33-34页 |
| 3.2.4 Genetic Algorithm for Optimizing the Label Ordering | 第34-35页 |
| 3.3 基于信息熵的多标签算法 | 第35-41页 |
| 3.3.1 信息论 | 第35-36页 |
| 3.3.2 PageRank算法介绍 | 第36-38页 |
| 3.3.3 ETCC算法描述 | 第38-41页 |
| 3.4 实验 | 第41-44页 |
| 3.4.1 实验数据 | 第41页 |
| 3.4.2 实验设置 | 第41-42页 |
| 3.4.3 实验结果分析 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于标签组合处理多标签不均衡的问题 | 第45-61页 |
| 4.1 引言 | 第45页 |
| 4.2 数据不均衡 | 第45-49页 |
| 4.2.1 单标签不均衡 | 第46-48页 |
| 4.2.2 多标签不均衡 | 第48-49页 |
| 4.3 基于标签组合处理多标签不均衡的算法DEML的描述 | 第49-55页 |
| 4.3.1 不均衡估量 | 第50-51页 |
| 4.3.2 构建均衡的标签子集 | 第51-54页 |
| 4.3.3 DEML流程图 | 第54页 |
| 4.3.4 DEML的算法复杂度 | 第54-55页 |
| 4.4 实验 | 第55-60页 |
| 4.4.1 评价标准 | 第55页 |
| 4.4.2 实验数据 | 第55-56页 |
| 4.4.3 实验设置 | 第56-57页 |
| 4.4.4 实验结果与讨论 | 第57-60页 |
| 4.5 总结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 本文工作总结 | 第61-62页 |
| 5.2 进一步工作 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 附录1 | 第67-68页 |
| 附录2 | 第68-69页 |
